工艺数字化系统中定位误差的计算

以“一面双轧”定位系统为基础,研究并建立了对工艺数字化系统中定位误差计算的数字模型,分析了定位误差计算系统的功能并介绍了系统的应用范围与特点。     

零件采用不同公差原则时的定位误差计算

以实例分析了传统的定位误差计算方法在形位精度分析计算中存在的问题,并提出了零件采用不同公差原则时,形位精度定位误差的分析计算方法。     

城市浮动车数据定位误差分布研究

提出了计算城市浮动车定位误差的方法,分析了定位误差数据的分布情况和特征,给出并验证浮动车定位误差的概率分布函数,给出不同等级道路的浮动车定位误差分布规律。通过出租车载客状态和地图匹配的路径来推导浮动车的参考位置并计算误差,然后分别运用多种误差分布密度函数进行拟合,发现最适合的定位误差概率密度函数。以广州市浮动车数据为例进行了验证,结果表明偏p-范分布最适合复杂城市路网的浮动车误差分布,可作为浮动车数据进一步应用的基础。     

夹具设计中的误差计算问题

提出了工件定位时定位基准理想位置的概念，有助于正确理解和计算工件定位误差，以及准确界定工件定位误差与夹具对刀误差。     

基于PLC的工程运输车辆协同作业的定位与控制

对工程实践中运输车辆搭载的定位控制以及相关系统的设计问题进行简单的讨论，并利用PLC自动化控制系统以及相关的模糊控制算法对翻斗汽车以及运输车进行控制以实现定位。通过函数系统中的误差分析法对定位中所产生的误差进行较为详细的分析，最终结论是该定位与控制方法能够完全满足相关误差要求。     

轴孔定位付定位误差的随机性及其计算

本文指出目前国内厂、校探用极大极小法计算定位误差的问题所在,并以轴孔定位付为例,指出定位误差的随机性,进而用概率法推导出较为既符合生产实际,又简单易行,且具有较好经济效果的计算定位误差的新公式。     

减少数控机床伺服轴定位误差的方法

通过对数控系统补偿功能有关数据的计算和设置,实现了对机床伺服轴定位误差进行补偿,使该项误差限制在机床允许误差范围内,提高了机床的加工精度。     

多半径误差修正自适应布谷鸟优化DV-HOP定位算法

针对WSN节点定位中非测距DV-HOP算法存在较大定位误差,提出了一种多通信半径误差修正自适应布谷鸟优化DV-HOP定位算法（MEACS-D）. 采用锚节点多通信半径广播消息,在跳数计数时将跳数小数化,以减小跳数长短不一造成的误差;再用虚拟相交圆几何方法计算1跳内节点与锚节的距离;通过在未知节点选择平均跳距时,加入各个锚节点权重进行计算来减少平均跳距误差;另引入可自适应搜索步长的布谷鸟算法代替极大似然估计法来定位节点坐标,以提高定位精度. 通过仿真,在不同锚节点、通信半径、总节点条件下MEACS-D算法较DV-HOP算法和原布谷鸟DV-HOP算法（CS-D）算法定位误差平均下降39.7%、10.6%,证明MEACS-D算法能有效减少定位误差.      

基于交叉感应回线的磁浮车辆连续测速定位方法

分析了交叉回线区域空间磁场分布, 利用磁通密度纵向分布周期性特征, 将车辆位移、速度用感应电压包络信号相位角与角速度来表征; 建立了采用简单交叉回线的车辆测速定位状态空间方程组, 将车辆运行位置和速度作为状态变量在测试过程中连续输出; 考虑实际运行工况下的复杂电磁环境, 引入了噪声自适应算法, 提出了基于新息自适应的磁浮车辆实时连续测速定位计算方法; 在实验室条件下建立了交叉感应回线标定系统, 验证了方法的基本原理; 为了验证方法的有效性和准确性, 进了数值仿真算例分析, 考虑正常噪声和突变噪声工况, 并对比了包含和不包含自适应噪声处理过程的计算结果。试验结果表明: 不同间隔距离条件下, 感应电压包络线都接近于正弦波, 1次谐波是包络信号的主要成分, 相同阶次的谐波幅值与间隔距离成近似线性关系, 与理论分析结果一致; 在正常噪声区段, 速度误差不超过0.03 m·s-1, 定位误差约为3 mm, 在突变噪声区段, 速度误差均值为0.027 m·s-1, 最大值为0.130 m·s-1, 定位误差均值为4.82 mm, 最大值为23.39 mm, 说明测速定位方法可以满足实际应用需求; 数值仿真中突变噪声区段的低信噪比信号在实际应用中是极端情况, 对比正常噪声区段和突变噪声区段的计算结果可知改善输入信号的信噪比可以明显提高测试精度。      

低可见度环境下基于同步定位与构图的无人驾驶汽车定位算法

为在大范围低可见度环境下实现无人驾驶汽车的高精度定位,基于VINS-Mono算法的系统框架,在系统的前端与后端分别增添了RFAST弱光图像增强模块与VG融合定位模块,提出了一种融合定位算法LVG＿SLAM;RFAST弱光图像增强模块采用小波变换将原始输入图像的细节信息与亮度信息分离,对于包含原始图像噪声的细节信息通过统一阈值和均值滤波2种方式实现噪声抑制,并利用双边纹理滤波算法进行细节增强,在此基础上,根据多尺度Retinex算法增强图像的对比度,提高低可见度环境下角点提取的成功率,从而保证图像跟踪的稳定性,改善定位算法的鲁棒性;基于无迹卡尔曼滤波算法,VG融合定位模块将GNSS定位信息与惯性导航测量信息进行松耦合,融合定位结果作为约束引入VI-SLAM后端,通过联合非线性优化的方式减少累积误差对算法定位精度的影响。计算结果表明：相较于VINS-Mono算法,改进的LVG＿SLAM融合定位算法在EuRoC与Kitti公开数据集上表现更加出色,均方根误差分别降低了38.76%与58.39%,运动轨迹更贴近真实轨迹;在实际夜晚道路场景下,LVG＿SLAM算法将定位误差控制在一定范围内,顺利...